手機越玩越燙怎麼辦？我們在中國黑科技最多的地方找到了答案

提到2012，很多人想到的就是那部末日大片。其實，這個數字還有著另外一層含義：華為2012實驗室，據說其名稱的靈感來源正是電影《2012》。

在最近的華為雲普惠AI開放日活動上，我們走進了這個「中國最多黑科技的地方」，並有幸看到了一些新鮮的科研成果，小到手機晶元的散熱材料，大到通訊網路的節能預測。它們均來自這次開放的2012實驗室其中的兩大實驗室——諾亞方舟實驗室和先進熱技術實驗室。

華為諾亞方舟實驗室的自然語言處理研究

據說任正非在創立2012實驗室之初時說過，大數據就像洪流一樣，需要造一艘「諾亞方舟」來拯救華為。那麼，這艘船上究竟都有些什麼呢？

智能的通訊網路

在位於深圳坂田總部的2012實驗室里，華為展示了一種自適應的無線基站智能關斷系統，它能通過AI節約基站的能耗。

要知道，基站時時刻刻都需要電力，會造成大量能源的浪費。一個很可能實現的想法是，根據網路業務量在時間和空間上的變化，然後預測未來一段時間的需求，以此達到節能的目的。

「智能的通訊網路就類似於現在的自動駕駛一樣，」負責現場講解的實驗室專家說。

在沒有這種動態系統之前，運營商其實已經在做節能措施了，但它們只能依賴於以往的經驗作出固化的決策。如果對每個基站未來15分鐘的情況進行預測，再通過多智能體協同的動態決策過程，系統有望從整體上調控所有基站的運作。

根據華為方面的說法，試點省份預計全年節電量能達到800萬度，碳排放量也能減少5000多噸。

L4級自動駕駛

在自動駕駛方面，華為也為我們帶來了一段實際路況的演示視頻：在複雜的路況、交通和天氣等情況下，測試過程中只進行過一次人為干預。而且更令人驚嘆的是，自動駕駛還完成了入庫停車的操作。（車庫的信號通常都很差，對自動駕駛來說是個不小的麻煩。）

長期以來，自動駕駛都是一項極具挑戰的技術，而且公眾對自動駕駛的認識並不足夠，很多人會誤認為輔助駕駛就是自動駕駛——典型的例子就是特斯拉已經配備在Model系列上的Autopilot系統。

Waymo自動駕駛 | Grendelkhan/WikiMedia Commons

最近，有關自動駕駛的事件還引發了不少安全方面的擔憂，例如去年的一起Uber無人車撞人事件。還有一些更長遠的普遍擔憂在於，無人車會奪走人們的工作，或者面臨人類司機都很難解決的「到底殺一人還是五人的電車難題」等。

但從目前來看，從L1（輔助駕駛）到L5（全自動駕駛）階段，自動駕駛技術還有很長一段路要走。所有開發自動駕駛的公司如今都在朝L4階段，也就是高度自動駕駛的方向努力。根據SAE標準，車輛在這一階段的所有的操作都是由無人駕駛系統完成的，不過前提是人們還得在有限制的條件下駕駛。例如，遇上了極端的惡劣天氣，車輛還是得交給人類司機。

國際自動機工程師學會（SAE International）「駕駛自動化等級」 | SAE

要實現L4級自動駕駛的標準，需要感測器、激光雷達、規劃控制和高精度地圖等在內的一系列技術，其中激光雷達可以根據周圍環境繪製出3D模型。據專家介紹，在業界，華為的感測器陣列基本上是最多的。

儘管華為的自動駕駛在演示視頻中有不錯的表現，專家坦言，「這個測試路段我們還是很了解的，真的到一個完全不了解的測試路段，還是很有挑戰的。」

如何應對數據的洪流？

智能通訊網路和自動駕駛離我們還比較遠，諾亞方舟實驗室研發的AI晶元則切切實實出現在了很多人的身邊，例如手機上。

如今，能夠處理圖片和視頻的人工智慧早已不是什麼新鮮事了，無論是增加圖像的解析度，還是OCR的識別功能，AI都能達到相對理想的精確度。但一個比較現實的問題在於，終端的算力是很小的，我們無法在手機等設備上運行所有的AI模型。

理想的解決方案是雲計算或邊緣計算，最終將大算力解決為小的算力。前者能夠實現數據的集中處理，例如在雲端訓練的模型，最終可以通過壓縮並傳輸到手機上，實現實時的視頻編輯等。邊緣計算則能在終端就處理一部分的數據，並將需要計算的數據返回雲端，舉例來說，監控探頭或自動駕駛產生的大量數據中，並不是所有數據都是值得上傳到雲端的。

「未來一定是大數據和小數據的聯動，我們不可能在所有的場景都用大數據。」華為雲專家解釋說，用現在掌握的大數據來訓練世界級的模型，然後再推廣到小任務上，這是目前大部分的AI突破所用的邏輯。

「清爽」的數據中心

隨著數據處理的需求增多，我們也會面臨一個自然而然的普遍問題：無論是手機還是雲伺服器，必然要用到性能越來越高的器件，但這也意味著很大的功耗。換句話說，我們該如何解決設備的發熱呢？

華為的先進熱技術實驗室，就在致力於解決這方面的問題。在該實驗室里，華為專家一開始就介紹了一個令人印象深刻的應用場景：其實無線快充並不需要儘快散熱，反而要「聚熱」。無線快充在使用時熱量會很高，但它的散熱面積又是極其有限的。通過一種名為PCM的特殊材料，熱量就可以存起來，讓無線快充的溫度在一段時間內幾乎保持不變。但溫度不可能一直保持下去，這就是為什麼市面上的無線快充只能用20-30分鐘。

華為先進熱技術實驗室

當我們領略各種散熱材料的神奇之處時，很難忽視實驗室內部傳來的風扇的噪音。這些惱人噪音的背後，就是數據中心經常用到的風冷技術了。

有辦法處理這些噪音嗎？

其實和我們使用的降噪耳機一樣，這裡也需要用到各種主動降噪和被動降噪的技術，華為就為我們展示了其中一些效果不錯的方案，例如讓風速拐彎的風道，或者能夠降噪的新型材料。

不過對於風冷技術來說，散熱效率可能是比噪音更大的問題。無論是空間還是能效上，空調都不佔優勢，因此像華為雲IDC這樣的數據中心都會採用液冷技術——常用的方法是通過冷板讓水把CPU等元件的熱直接帶走。

既然空調和液冷都需要水，為什麼液冷的節能效果更好？關鍵在於水的溫度。

Tanner Boriack/Unsplash

一般來說，空調需要的水的溫度大概在7-12度，光是冷卻就得付出不少的能源消耗。而液冷根本不需要冷凍水。「我們的CPU允許的溫度是八、九十度，所以水溫可以到四、五十度，外面的水可以直接進來。」除此之外，專家還補充說，液冷本身的散熱能力也很強，甚至能應對一千瓦的CPU功率，普通的散熱材料或技術是做不到這點的。

看到未來

以上所述的技術，無論是AI還是基礎的材料研究，只是2012實驗室的冰山一角。不過它們無一例外地都和此次活動的主角——華為雲——有著密不可分的關係。

華為雲BU CTO張宇昕介紹說，華為雲就像站在了巨人的肩膀上，其核心技術都是來自於華為技術的長期積累。例如，去年發布的AI晶元昇騰系列和智能網卡，就來自2012的另一家實驗室，圖靈實驗室。

在應對任正非所擔憂的「香農定理、摩爾定律的極限」時，2012實驗室究竟能發揮多大的潛力應該是個很難回答的問題。但至少在這一波的洪流中，我們已經從已有的產品，無論是更智能的手機，還是「推動整個社會AI化」的雲，看到了未來技術最有可能的面貌之一。

而這對於一個技術驅動的公司來說，無疑已經是一件值得樂觀的事了。

作者：EON

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！